Conexiones transparentes: descubriendo relaciones cruciales para la calidad del agua en el Río de la Plata

• Autores: Kuperman, J.; Laffitte, L. N.; Rapoport, J. C.; Santos, Maricel del Valle
• Año de publicación: 2024
• Idioma: español castellano
• Tipo de recurso: documento de conferencia
• Materia: Monitoreo de Agua; Índice de Calidad de Agua; Python; Aprendizaje Supervisado; Gradient Boosting; Eje temático: Ciudad, ambiente y territorio; TECHNOLOGY
• Institución: Universidad Nacional de Córdoba

Fil: Kuperman, J. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.
Fil: Laffitte, L. N. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.
Fil: Laffitte, L. N. Universidad Nacional del Comahue. Centro Regional Universitario San Martín de Los Andes; Argentina.
Fil: Rapoport, J. C. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.
Fil: Santos, Maricel del Valle. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.
Fil: Santos, Maricel del Valle Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.
El Índice de Calidad del Agua (ICA) es un indicador utilizado para evaluar la condición de cuerpos de agua basado en parámetros físicos, químicos y microbiológicos. Este trabajo analizó datos del Río de La Plata, provenientes del monitoreo de 42 sitios ubicados entre Tigre y Berisso desde el año 2021 a 2023, con el objetivo de desarrollar un modelo predictivo del ICA mediante técnicas de aprendizaje supervisado. Los datos incluyen 44 variables abarcando características demográficas relacionadas con el acceso a servicios de saneamiento y tipos de actividad industrial circundantes al sitio. Se realizó la exploración, transformación y modelado del conjunto de datos, con foco en la metodología de imputación y en la selección del modelo de regresión adecuado, mediante la comparación de métricas utilizando la librería scikit-learn. Gradient Boosting fue el modelo que mostró la mejor performance. Las variables bacteriológicas fueron las más influyentes en el ICA, seguidas por indicadores físico-químicos como el oxígeno disuelto y la clorofila. Los resultados revelaron una alta vulnerabilidad en la calidad del agua del río, resaltando la necesidad de un monitoreo continuo y la identificación de fuentes de contaminación no reguladas, lo que subraya la complejidad de la relación entre infraestructura sanitaria y calidad del agua.
ABSTRACT The Water Quality Index (WQI) is an indicator used to assess the condition of water bodies based on physical, chemical, and microbiological parameters. This study analyzed data from the Río de La Plata, collected from 42 monitoring sites located between Tigre and Berisso from 2021 to 2023, with the aim of developing a predictive model for the WQI using supervised learning techniques. The dataset includes 44 variables, covering environmental parameters as well as demographic characteristics related to access to sanitation services and nearby industrial activities. Exploration, transformation, and modeling of the dataset were conducted, with a focus on imputation methods and selecting the appropriate regression model, comparing metrics using the scikit-learn library. Gradient Boosting demonstrated the best performance. Bacteriological variables had the greatest influence on the WQI, followed by physicochemical indicators such as dissolved oxygen and chlorophyll. The results revealed a high vulnerability in the river’s water quality, emphasizing the need for continuous monitoring and the identification of unregulated pollution sources. This highlights the complex relationship between sanitation infrastructure and water quality.
Fil: Kuperman, J. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.
Fil: Laffitte, L. N. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.
Fil: Laffitte, L. N. Universidad Nacional del Comahue. Centro Regional Universitario San Martín de Los Andes; Argentina.
Fil: Rapoport, J. C. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.
Fil: Santos, Maricel del Valle. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.
Fil: Santos, Maricel del Valle Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.